一个基于性别的突出性预测系统,用于使用深度学习和眼睛跟踪数据的Web界面
Pablo Villanueva González1, Cristobal Subiabre Cuevas1, Lino Jeldez1
1Web Intelligence Centre Universidad de Chile, Department of Industrial Engineering, Av. República 701, Santiago, Chile.
Brain informatics
|October 2, 2025
概括
这项研究表明,性别影响视觉注意力,但在各种数据上训练的一般AI模型在Web界面上表现最好. 包容性数据集是适应性AI系统的关键.
科学领域:
- 计算机视觉 计算机视觉
- 人与计算机的交互
- 认知科学 认知科学
背景情况:
- 了解人口统计学对视觉注意力的影响对于以用户为中心的网页设计至关重要.
- 以前的研究还没有完全探索在网页浏览中性别特异的目光行为.
研究的目的:
- 利用深度学习开发一个以性别为基础的突出性预测系统.
- 调查网页上视觉注意力模式的性别相关差异.
- 引入和利用WIC640数据集用于人口意识的人工智能研究.
主要方法:
- 微调TranSalNet,一个基于变压器的突出性预测模型.
- 使用WIC640数据集,包括640个网页截图和85名参与者的眼睛跟踪数据.
- 分析眼神行为模式,并将特定性别模型与一般模型进行比较.
主要成果:
- 在男性和女性用户之间观察到明显的视觉突出性模式.
- 性别特定的模型显示了性能差异 (例如,受过女性训练的:CC=0.7786,NSS=2.4224;受过男性训练的:CC=0.7582,NSS=2.3508).
- 在包容性数据上训练的一般模型优于性别特定模型,这表明多样化的训练数据集的重要性. 在9/12的突出特征中发现了显著的性别差异,年龄与减少的固定分散相关.
结论:
- 虽然性别影响视觉注意力,但包容性AI培训数据对于网络界面设计的最佳性能至关重要.
- 这些发现表明,通过人口意识的人工智能系统,可以实现个性化的用户体验.
- WIC640数据集为适应性AI,视觉注意力和界面设计的未来研究提供了宝贵的资源.
